¹Engenheiro Eletricista pelo Centro Universitário de Volta Redonda – UniFOA.

gustavo-rogel@hotmail.com

Sistema de baixo custo para monitoramento de vibração

Gustavo Rogel de Almeida¹

RESUMO

O presente trabalho, traz a proposta do desenvolvimento de protótipo utilizando arduino Due,

acelerômetro de tecnologia MEMS e periféricos que possibilitem a medição de vibrações e

tenham resultados que sejam comparados a medidores já consolidados no mercado. O arduino

Due é uma versão recente do micro controlador arduino, tem grande poder de processamento e

permite a comunicação entre o acelerômetro e o computador, já que inclui os protocolos de

comunicações SPI e USB. O acelerômetro digital MEMS é um elemento fundamental do

protótipo, considerando suas características de montagem, consumo de energia e robustez de

operação. A avaliação do protótipo será realizada em laboratório, utilizando um motor equipado

com uma estrutura metálica possibilitando a simulação de vibração.

Palavras-chaves

Arduino Due. MEMS. Medidor de vibrações. Engenharia Mecânica.

ABSTRACT

The present work brings a prototype proposal using arduino Due, MEMS technology

accelerometer and peripherals that allow a measurement of vibrations and results that are

compared to meters already consolidated in the market. The arduino is a recent version of the

arduino micro controller, has great processing power and allows communication between the

accelerometer and computer, as it includes SPI and USB communication protocols. The MEMS

digital accelerometer is a fundamental element of the prototype, having its mounting

characteristics, energy consumption and robustness of operation. The evaluation of the

prototype was performed in the laboratory, using a metallic structure allowing a simulation of

vibration.

Keywords

Arduino Due. MEMS. Vibration meter. Mechanical Engineerin

2

1 INTRODUÇÃO

As vibrações estão envolvidas em várias atividades humanas, como na respiração que

está associada a vibração dos pulmões (GONZÁLES, 2014), e são definidas segundo Wang

(2008) como uma oscilação mecânica em torno de um ponto de referência. Apesar de serem

inerentes à vida, as vibrações são indesejadas em alguns processos, trazendo prejuízos, como

por exemplo, levando máquinas em processo à deterioração (GONZÁLES, 2014).

A análise de vibrações, é um método de manutenção preditiva que tem como objetivo

reduzir o tempo de paradas de equipamentos e melhorar sua vida útil. Mas devido ao alto valor

para aquisição de analisadores de vibração, o uso em manutenção se torna restritivo, e muitas

vezes colocado em segunda plano (JÚNIOR et al., 2016). Com o avanço tecnológico, tornou-

se possível o desenvolvimento de equipamentos de baixo custo focado em manutenção preditiva

utilizando plataformas eletrônicas de código aberto, como os arduinos, e tecnologia MEMS

(Micro Eletro Mechanicals Systens – Sistemas microeletromecânicos), o que permite o

desenvolvimento de uma infinidade de equipamentos (DESHMUKH, 2005).

O arduino, basicamente, é um equipamento micro controlado capaz de ler uma entrada

digital ou analógica e transformá-la, de acordo com a programação, em uma saída (SCHULTZ

& VAN VUGT, 2016). Possuem diversas características como, baixo custo, software de

programação utilizado em diversos sistemas operacionais e ambiente de programação simples

e claro (ARDUINO, 2018). Já os equipamentos de tecnologia MEMS, são sistemas de

dimensões micrométricas que operam sob os domínios das energias elétrica e mecânica

(BHUGRA & PIAZZA, 2017). São também classificados como micro transdutores e tem seu

conceito básico de funcionamento baseado na integração de micro sensores, micro atuadores e

microeletrônica (TRESSENO, 2014) e (CHAUDHURY, SENGUPTA, & MUKHERJEE,

2014). Dentro da família dos MEMS, há diversos equipamentos para as mais diversas utilidades,

como por exemplo giroscópios, medidores de corrente elétrica, sensores, acelerômetros, entre

outros (LIAO & ZHAO, 2005).

Aliando o uso do arduino com o acelerômetro MEMS, é possível o desenvolvimento

de um sistema de baixo custo capaz de captar e monitorar vibrações. Para análise dos dados

obtidos, se faz necessário utilizar um software potente e versátil como o MatLab (MATrix

LABoratory) para a aplicação de técnicas de processamento de sinais, tornando os resultados

mais precisos e claros.

3

Com vista aos problemas causados por vibrações, este trabalho tem como objetivo o

desenvolvimento de um protótipo, baseado em equipamentos de baixo custo, capaz de

monitorar e analisar vibrações.

2 ANÁLISE DE VIBRAÇÕES

Todas as máquinas em operação geram vibrações que se transmitem a todo o conjunto

da máquina, produzindo um espectro de frequência próprio do conjunto, denominado

“assinatura espectral”. Com essa assinatura é possível obter informações sobre as condições de

funcionamento da máquina (MARAN, 2011).

Os métodos de análise de vibração estão altamente desenvolvidos. Com o uso de

instrumentos de medição, é possível que sejam reconhecidos diversos tipos de falha, como:

desbalanceamento, desalinhamento, empenamento de eixos, excentricidade, desgastes em

engrenagens e mancais, má fixação da máquina ou de componentes internos, roçamento, erosão,

ressonância, folgas, desgastes em rolamentos e outros componentes rotativos, fenômenos

aerodinâmicos e/ou hidráulicos e problemas elétricos (SHIN & HAMMOND, 2008).

Um importante fator em diagnose de falhas são suas características e a analise daquelas

que coincidem com as frequências que tiveram aumento nos componentes do espectro.

Eisenmann & Eisenmann (1997) e Sodano, Inman & Park (2004) fazem uma análise detalhada

sobre as formas mais comuns de vibrações em máquinas e equipamentos. Enquanto que o

primeiro afirma que o desbalanceamento é o tipo mais habitual, o segundo menciona que esta

forma de vibração normalmente o espectro se dá na rotação de 1xRPM (Hz).

2.1 Técnicas de Processamento de Sinais

Grande parte das técnicas de processamento baseiam-se em transformações de funções

entre dois espaços de definição. Como por exemplo, a transformada de Fourier transformar

uma função no espaço temporal para um espaço cuja base são as funções complexas de senos

e cossenos. Deste modo, o sinal é descrito no domínio da frequência através da sua composição

em relação às funções que formam a base do espaço. A Transformada de Fourier se tornou o

método mais importante no processo de sinais devido ao uso amplo e consolidado do espectro

de frequência para análise de sinais (SILVA, 2013).

4

2.2 Transformada de Fourier e Janelamento (Windowing)

Silva (2013) em sua dissertação faz uma explanação sobre a transformada de Fourier,

e cita que a usando a igualdade de Euler, pode-se escrever a série em termos de funções

exponenciais complexas, sendo este formato o mais conhecido da série de Fourier. Também em

sua dissertação, cita que a série de Fourier pode ser considerada um caso particular da

Transformada de Fourier. Resumidamente, a transformada de Fourier tem como objetivo

transformar um conjunto de dados do domínio do tempo, em dados no domínio da frequência,

que são excelentes parâmetros para demonstrar as causas raízes de falhas em máquinas

rotativas.

Um dos problemas que surgem com o processamento de sinais, é o vazamento

espectral (em inglês, spectral leakage), que fazem com que os níveis de sinais sejam reduzidos

e redistribuídos em uma ampla faixa de frequência (LYON, 2009). Basicamente, ocorrem se

durante a transformação dos dados do domínio do tempo para a frequência, venha a obter como

resultados, números que diferem de um número inteiro do período do sinal periódico, conforme

Figura 1.

Figura 1 - Esquerda: FFT em onda senoidal de 3 Hz com

amplitude correta em uma resolução de 1 Hz., Direita:

Quando a onda senoidal não é um número inteiro da

resolução da frequência.

Fonte: SIEMENS, 2017.

Um método bastante eficiente para o tratamento de sinais com caso de vazamento

espectral, é o janelamento (em inglês, windowing), no qual afirma que, se algum intervalo for

escolhido, ele retornará com valor não zero finito dentro desse intervalo e valor zero fora desse

intervalo (FLÓREZ, CARDONA, & JORDI, 2009). Em Podder et al. (2014) é feito uma análise

5

mais detalhada do funcionamento dos mais diversos tipos de janelamentos existentes,

recomendando o janelamento de Hannig para análise de vibração em 95% de todos os casos.

3 MATERIAIS E MÉTODOS

3.1 Arduino DUE

Baseado no CPU (Central Process Unit) Atmel SAM3XBE ARM (Advanced Risc

Machine) Cortex-M3, é a primeira placa baseada em um micro controlador ARM de 32 bits

(Figura 2). Possui 54 pinos de E/S (Entradas/Saídas) digitais (sendo 12 com saídas PWM), 12

entradas analógicas, 4 portas seriais de hardware UARTs (Universal Asynchrounous

Receiver/Transmiter). Com clock de 84MHz (Mega Hertz), conexão compatível com USB OTG

(Universal Serial Bus On The Go), 02 DAC (Digital to Analogic Converter), 2 TWI (Two Wire

Interface), conector de energia, cabeçalho SPE e JTAG (Joint Test Action Group), botões de

reset e apagar (ARDUINO, 2018).

Figura 2 - Placa Arduino DUE.

Fonte: ARDUINO, 2018.

3.2 ADXL 345

O ADXL345 (Figura 3) (ANALOG DEVICES, 2009) é um acelerômetro de 3 eixos

com alta sensibilidade e com consumo de corrente extremamente baixo, aproximadamente 40

𝜇𝐴 em modo de medição e 0,1 𝜇𝐴 em modo de espera, e alimentação na faixa de 2 à 3,6V,

facilitando o uso junto ao arduino (HALOVATYY et al., 2017). Trate-se de um equipamento

pequeno e fino, com dimensões de 3x5x1 mm. É capaz de medir a aceleração estática da

gravidade em aplicações de detecções de inclinações, bem como a aceleração dinâmica

resultante de movimento, choque ou vibrações, com uma sensibilidade selecionável de ± 16g

(DIVEKAR et al., 2017).

6

Figura 3 - Acelerômetro ADXL345.

Fonte: ANALOG DEVICES, 2009.

O acelerômetro pertence à classe de acelerômetros capacitivos. Com uma resolução

fixa de 10 bits, e possibilitando a mudança de resolução para até 13 bits quando se mede

acelerações de ± 16. O sensor possui funções de detecção de impulsos simples e duplos e

monitoramento de atividade / inatividade, além da capacidade de detectar queda livre. Com

faixa de frequência de operação de 0,05 à 1600Hz, saída digital, protocolo de comunicação SPI

e faixa de trabalho em temperaturas entre - 40 a 85 ̊C (HALOVATYY et al., 2017) e

(ANALOG DEVICES, 2009).

3.3 Montagem

A montagem do protótipo busca a simplicidade, trazendo maior facilidade para as

conexões elétricas. Os pinos do arduino e do acelerômetro, respectivamente, foram conectados

da seguinte forma:

3,3 – Vcc;

GND – GND;

52 – CS;

74 – SDA;

75 – SDO;

76 – SCL.

A alimentação é feita pelos pinos 3,3 e GND. A comunicação e recepção dos dados

são feitos pelos pinos analógicos 52 e SPI (74, e 75 e 76) conforme Figura 4. Para o desenho

do esquema elétrico utilizou-se o software Fritzing.

7

Figura 4 - Esquema elétrica da ligação Arduino x Acelerômetro.

Fonte: Autor, 2018.

3.4 Programação

A programação é dividida em dois locais: no arduino e no MatLab. No arduino, é onde

se inicia e configura o acelerômetro, o tipo de comunicação utilizada (SPI), a velocidade de

comunicação e após esses procedimentos, os dados são enviados à porta serial. Neste tipo de

programação, a utilização de bibliotecas já existentes, traz mais agilidade e facilidade na tarefa

de programar, sendo basicamente necessário a escrita de comandos pré-definidos. Já na

programação no MatLab, inicia-se utilizando comandos para liberar e ler a porta serial, obter

dados e convertê-los de bits para g ou m/s² e após, tratar o sinal utilizando filtros. A

programação traz maior dificuldade, sendo necessário o uso de diversos comandos e o cuidado

essencial com o tamanho de alocação dos dados para não gerar qualquer erro. Apesar de haver

a possibilidade de ser feita uma grande parte do tratamento dos dados no arduino, foi escolhido

ser feita no MatLab devido a velocidade para executar a tarefa, sendo o segundo quase 50%

mais rápido para executar estas tarefas especificas do que o primeiro. Vale citar que ambas

programações são baseadas em linguagem C.

3.5 Funcionamento

De forma global, o protótipo cria os espectros de frequência no MatLab, com base

nos dados enviados pelo acelerômetro, com a seguinte sequência:

O micro controlador (arduino DUE) ativa o acelerômetro e altera os registros dos

parâmetros de leitura e formatação dos dados (sensibilidade, bits e frequência de

amostragem);

8

O micro controlador lê uma amostra de aceleração obtida pelo acelerômetro e envia

ao software (MatLab) de análise de sinais através da porta USB quatro dados sendo:

“Sinc”, “valor eixo X”, “Valor eixo Y” e “Valor eixo Z”;

O MatLab inicia a comunicação com a porta USB e cria um vetor chamado “a” onde

armazena temporariamente tudo que chega pela porta USB, que é transformado em

um formato string;

Utilizando um ciclo while, compara a variável “contador de amostras” até ser igual

ao número de amostras definido, usando como ordem de leitura a variável “Sinc”;

Quando a variável “Sinc” é encontrada, cria e a armazena em uma outra variável

denominada “Resto”;

Cria três variáveis chamadas eixoX, eixoY e eixoZ, que armazenam os outros três

dados enviados pelo micro controlador pela porta USB, transformando-os em um

formato em valores de precisão dupla (comando str2double);

Verifica, através do comando isnum, se os valores das variáveis eixoX, eixoY e

eixoZ são numéricos, se forem armazenam os valores nos vetores VetorX, VetorY

e VetorZ, respectivamente. Caso não sejam numéricos, acusam erros, armazenando

na variável “contador de erros” e inicia-se um novo ciclo de leitura.

Calcula a aceleração real (𝐴𝑐𝑒𝑙𝑟𝑒𝑎𝑙 de cada eixo) e dos valores de offset e

ScalingFactor, com a formula oferecida pelo fabricante (ANALOG DEVICES,

2009);

𝐴𝑐𝑒𝑙𝑟𝑒𝑎𝑙 =𝐴𝑐𝑒𝑙𝑀𝐸𝑀𝑆 − 𝑜𝑓𝑓𝑠𝑒𝑡

𝑆𝑐𝑎𝑙𝑖𝑛𝑔𝐹𝑎𝑐𝑡𝑜𝑟

Calcula a FFT e cria os três espectros de frequência;

Aplica a janela de Hann;

Plota os seguintes gráficos: sinais de cada eixo (VetorX, VetorY e VetorZ) já

considerando o cálculo de aceleração real; as FFT’s de cada eixo antes da janela de

Hann e após a janela;

Salvar os dados de aceleração (VetorX, VetorY e Vetor Z) em um arquivo .xls.

3.6 Ensaio em motor elétrico

Para o teste do protótipo, foi utilizado um motor elétrico trifásico, 60 Hz, 850 rpm.

Além do motor, também utilizou de uma estrutura metálica (Figura 5) com furos nas

extremidades, acoplada ao eixo do motor. Com esses dois itens e mais um parafuso em um dos

9

furos na extremidade da estrutura metálica, é possível simular um desbalanceamento no motor,

obtendo resultados previsíveis, e assim, sendo possível validar os resultados obtidos pelo

protótipo.

Figura 5 - Acoplamento com furos.

Fonte: Autor, 2018.

4 RESULTADOS

Com as especificações do motor, 850 rpm, é possível converter a velocidade para

Hertz, através da equação 𝐻𝑧 =𝑟𝑜𝑡

60 𝑠𝑒𝑔𝑢𝑛𝑑𝑜𝑠. Calculando, encontra-se o resultado de 14,16 Hz.

Acoplando o protótipo, utilizando fita auto adesiva, conforme Figura 6, e ligando o motor,

obtém-se os dados de vibração.

Figura 6 - Protótipo instalado no motor.

Fonte: Autor, 2018.

10

Na Figura 7, a amplitude é dada em g (9,81 𝑚𝑠²⁄ ) e o eixo x em segundos,

demonstrando o sinal obtido em um segundo de dados. No gráfico com janelamento, é possível

observar a característica predominante do método de Hann, que é as extremidades do gráfico

em 0. Este mesmo gráfico, tem no eixo x a quantidade de dados obtidos (1600).

Figura 7 - Sinais de aceleração em g.

Fonte: Autor, 2018.

No caso da Figura 8, têm-se ambas as amplitudes no domínio da frequência. O

primeiro, em azul, trata-se do sinal sem janelamento e o segundo com janelamento. É possível

observar que ambos os sinais tiveram resultados próximo ao esperado. Temos como

características destes gráficos, o primeiro pico de frequência em 15 Hz, demonstrando o

desbalanceamento do motor. Outros picos são as harmônicas. O pico maior, em 119 Hz, é

referente à, aproximadamente, duas vezes o valor da frequência da tensão da rede elétrica (60

Hz – 120 Hz), valor já esperado segundo Filho (2007).

11

Figura 8 - Sinais de aceleração processados (FFT).

Fonte: Autor, 2018.

Já a última, figura 9, é notado a diferença entre os sinais com (em vermelho) e sem

(em azul) janelamento. Pode-se perceber um melhor desenho dos espectros de frequência, sendo

mais fino e com maior amplitude em vermelho, indicando os efeitos positivos do janelamento.

Figura 9 - Comparação entre as FFT's.

Fonte: Autor, 2018.

5 CONCLUSÃO

O arduino é um equipamento que possibilita uma fácil programação e prototipagem,

trazendo uma infinidade de possibilidades de aplicações. Usando seu rápido processamento e

reduzido tamanho, torna-se uma importante ferramenta na busca de reduções de custos no

12

desenvolvimento de outros equipamentos, como por exemplo, um medidor de vibração. A

criação de medidor de vibração, é possibilitado também pelo acelerômetro, que se tornou

indispensável neste processo, trazendo consigo características importantíssimas de operação,

como sua larga faixa de temperaturas e certa robustez contrachoques e ambientes adversos.

Apesar de obter uma boa precisão, é possível em um futuro próximo melhorá-la ainda

mais, com melhores práticas de desenvolvimento de equipamentos MEMS. No atual de estágio

de funcionamento e precisão, podem ter um importante papel no monitoramento preditivo,

diminuindo custos e funcionamento como forma primária de avaliação em máquinas. A

comparação de custos do protótipo (R$ 250,00) com equipamentos já consolidados no mercado

(HHVB82 – OMEGA – R$ 6.110,00) mostra uma grande diferença de valores, sendo o valor

do protótipo aproximadamente, 4,09% do valor do medidor da Omega.

Os medidores que tem um preço elevado, podem ter resultados alcançados por

dispositivos com preços menores, trazendo ainda como benefício a possibilidade de mudança

na programação, e acoplamento de acessórios que agreguem outras funções como conexões a

distância e gravação de dado para monitoramento em tempo real. Funções que possam trazer

mais comodidade, segurança e benefícios ao usuário final e a sociedade.

13

REFERÊNCIAS

ANALOG DEVICE. ADXL 345: Data sheet. 2009. Disponível em:

<https://www.sparkfun.com/datasheets/Sensors/Accelerometer/ADXL345.pdf>. Acesso em:

01 maio 2017.

ARDUINO. Arduino: Due. 2018. Disponível em:

<https://www.arduino.cc/en/guide/introduction>. Acesso em: 01 maio 2018.

ARDUINO. Arduino: Introdução. 2018. Disponível em:

<https://www.arduino.cc/en/guide/introduction>. Acesso em: 01 maio 2018

BHUGRA, Harmeet; PIAZZA, Gianluca. Piezoelectric MEMS resonators . Switzerland:

Springer International, 2017. 423 p.

CHAUDHURY, Subimal Bikash; SENGUPTA, Mainak; MUKHERJEE, Kaushik. Vibration

Monitoring of Rotating Machines Using MEMS Accelerometer. International Journal of

Scientific Engineering and Research (IJSER) , India, 09 set. 2014. Electrical Engineering -

Vol.2, p.

DESHMUKH, Ajay V. Microcontrollers: Theory And Applications. 6. ed. India: Tata

McGraw-Hill, 2007. 335 p.

DIVEKAR, Priti et al. Vibration measurement using accelerometer and arduino.

International Journal of Recent Innovation in Engineering and Research , Índia, 31 mar.

2017. Scientific Journal Impact Factor, p. 3. Disponível em: <https://ijrier.com/published-

papers/volume-2/issue-3/vibration-measurement-using-accelerometer-and-arduino-2.pdf>.

Acesso em: 05 jun. 2018.

EISENMANN, R.C; EISENMANN, R.C. Jr. Machinery Malfunction Diagnosis and

Correction: Vibration Analysis and Troubleshooting for Process Industries. 1. ed. Nova

Jersey, EUA: Prentice Hall, 1997. 820 p.

FILHO, Paulo Cezar Monteiro Lamim. Monitoramento Permanente de Motores de Indução

Trifásicos. 2007. 148 f. Tese (Doutorado em Engenharia Mecânica)- Faculdade de

Engenharia Mecânica, UNIVERSIDADE ESTADUAL DE CAMPINAS, Campinas, 2007.

Disponível em:

<http://repositorio.unicamp.br/bitstream/REPOSIP/265206/1/LamimFilho_PauloCezarMonteir

o_D.pdf>. Acesso em: 23 ago. 2018.

14

FLÓREZ, Elkin; CARDONA, Salvador; JORDI, Lluïsa. Selección de la ventana temporal en la

transformada de Fourier en tiempos cortos utilizada en el análisis de señales de vibración

para determinar planos en las ruedas de un tren. Revista Facultad de Ingeniería

Universidad de Antioquia , Medellín, p. 145-158, dez. 2009. Disponível em:

<https://www.redalyc.org/articulo.oa?id=43016338013>. Acesso em: 20 ago. 2018.

GONZÁLEZ, Roberto Carlos Díaz. Desenvolvimento de um protótipo analisador de

vibração de baixo custo para uso em manutenção preditiva . 2014. 106 p. Dissertação

(Mestrado em Engenharia Mecânica)- Universidade Federal de Santa Catarina,

FLORIANÓPOLIS, 2014.

HOLOVATYY, A. et al. Development of a system for monitoring vibration accelerations

based on the raspberry pi microcomputer and the adxl345 accelerometer.

EasternEuropean Journal of Enterprise Technologies , Ukraine, v. 6, p. 52-62, abr. 2017.

Disponível em:

<https://www.researchgate.net/publication/317293600_Development_of_vibration_spectrum

_analyzer_using_the_Raspberry_Pi_microcomputer_and_3-

axis_digital_MEMS_accelerometer_ADXL345>. Acesso em: 05 jun. 2018.

JÚNIOR, Geraldo Motta Azevedo et al. Estudo sobre a manutenção preditiva em motores

trifásicos através da análise de vibrações. Projectus, Rio de Janeiro, v. 1, n. 4, p. 70-83, dez.

2016. Disponível em:

<http://apl.unisuam.edu.br/revistas/index.php/projectus/article/view/1642>. Acesso em: 15

ago. 2018.

LIAO, Wenshuai; ZHAO, Yiming. Using dual-axis accelerometers to protect hard disk

drives. Analog Dialogue Technical Journal , [S.l.], v. 39, n. 4, p. 1-4, nov. 2005. Disponível

em: <https://www.analog.com/media/en/analog-dialogue/volume-39/number-4/articles/using-

accelerometers-to-protect-hard-drives.pdf>. Acesso em: 23 ago. 2018.

LYON, Douglas. The discrete fourier transform: part 4: spectral leakage. JOURNAL OF

OBJECT TECHNOLOGY , Zurich, v. 8, n. 7, p. 23-34, dez. 2009. Disponível em:

<http://www.jot.fm/issues/issue_2009_11/column2.pdf>. Acesso em: 23 ago. 2018.

MARAN, Marcos. Manutenção baseada em condição aplicada a um sistema de ar

condicionado como requisito para sustentabilidade de edifício de escritórios. . 2011.

121 f. Dissertação (Mestrado em Engenharia de Construção Civil e Urbana)- Escola

Politécnica, Universidade de São Paulo, São Paulo, 2011.

15

PODDER, Prajoy et al. Comparative Performance Analysis of Hamming, Hanning and

Blackman Window. International Journal of Computer Applications , [S.l.], v. 96, n. 18, p.

1-7, jun. 2014. Disponível em:

<https://research.ijcaonline.org/volume96/number18/pxc3896927.pdf>. Acesso em: 20 ago.

2018.

SCHULTZ, B.G; VAN VUGT, F.T. Tap Arduino: An Arduino microcontroller for low-latency

auditory feedback in sensorimotor synchronization experiments. Behavior Research

Methods , [S.l.], p. 1591-1607, dez. 2016. Disponível em:

<https://www.ncbi.nlm.nih.gov/pubmed/26542971>. Acesso em: 20 ago. 2018.

SHIN, Kihong; HAMMOND, Joseph. Fundamentals of signal processing for sound

and vibration engineers . 1. ed. Chichester: Wiley, 2008. 416 p.

SIEMENS. .. Siemens ingenuity for life : Windows and spectral leakage. 2017. Disponível

em: <https://community.plm.automation.siemens.com/t5/Testing-Knowledge-Base/Windows-

and-Spectral-Leakage/ta-p/432760>. Acesso em: 23 ago. 2018.

SILVA, Derick Henrique de Jesus. Processamento de sinais para monitoramento

de vibrações em unidades geradoras hidrelétricas . 2013. 119 p. Dissertação

(Mestrado em Engenharia Elétrica)- Universidade Federal de Minas Gerais, Belo Horizonte,

2013.

SODANO, Henry A.; INMAN, Daniel J.; PARK, Gyuhae. A review of power harvesting from

vibration using piezoelectric materials. The Shock and Vibration Digest , [S.l.], p. 197-

205, maio. 2004. Disponível em:

<http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.594.3784&rep=rep1&type=pdf>.

Acesso em: 05 jun. 2018.

TRESSENO, Marcelo. Modelagem matemática não paramétrica de elastomassas MEMS

em colapso utilizando signature . 2014. 131 p. Dissertação (Mestrado em Modelagem

Matemática)- Universidade Regional do Noroeste do Estado do Rio Grande do Sul, Ijuí, 2014.

WANG, Wilson. An intelligent system for machinery condition monitoring. IEEE

Transactions on Fuzzy Systems , [S.l.], v. 16, n. 1, p. 110-122, fev. 2008. Disponível em:

<https://ieeexplore.ieee.org/document/4358803>. Acesso em: 15 ago. 2018.